基于遺傳神經(jīng)網(wǎng)絡(luò)的證券市場指數(shù)預(yù)測研究.pdf

1、本研究結(jié)合遺傳算法(GA)與倒傳遞神經(jīng)網(wǎng)絡(luò)(BPNN),對深圳綜合指數(shù)的未來走勢進(jìn)行了預(yù)測研究,為證券市場的指數(shù)研究提供了一個相對客觀且具有一定準(zhǔn)確性的預(yù)測工具.由于單獨(dú)使用倒傳遞神經(jīng)網(wǎng)絡(luò),易陷入局部最優(yōu)化,同時定義一個最佳神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)也存在一定難度.因此本文嘗試采用一個不同的搜尋方式,即以遺傳算法來評選達(dá)到適合度最高的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu).搜索過程中,應(yīng)用不同的神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu),計算適合度,并以遺傳算法中的交配、繁衍、突變的機(jī)制運(yùn)作,將可避免陷

2、入局部最優(yōu)化.一旦決定最優(yōu)結(jié)構(gòu)后,再以傳統(tǒng)的倒傳遞神經(jīng)網(wǎng)絡(luò)的方法訓(xùn)練,搜尋最優(yōu)節(jié)點(diǎn)權(quán)重,將可增進(jìn)求得最優(yōu)解的速度.在預(yù)測研究中,為全面反映股市的特點(diǎn)和規(guī)律,本研究使用深圳綜合指數(shù)作為對象,采集1996年1月至2004年3月共99組原始月度數(shù)據(jù),通過對月收盤值、月成交量以及一些技術(shù)分析指標(biāo)共14個數(shù)據(jù)組的訓(xùn)練和學(xué)習(xí),調(diào)整模型各組成神經(jīng)單元之間的連接權(quán)重,確定輸入輸出之間的內(nèi)在聯(lián)系,從而使模型具備了對深圳綜合指數(shù)月度數(shù)據(jù)的預(yù)測評估能力.通過